Boost库的安装

2023-05-16

说明

windows下的安装和linux下安装实际上大同小异,主要是弄清楚一些配置选项,和可执行文件的作用。


Windows下安装

配置环境:win8.1 64bit + VS2015
Step1:下载boost库,放到指定目录
目录为:d:\boost_1_62_0

Step2:打开命令提示符,找到指定目录下的bootstrap.bat文件,并运行

Step3:运行生成的bjam.exe文件
编译的时间很长,耐心等待这段时间已经生成我们想要的lib包了,编程时只需要添加lib包的目录和boost的目录即可。

Step4:测试
4.1 配置VS 2012
4.1.1 包含目录
在C/C++选项 -> 附加目录中,添加D:\boost_1_62_0。

4.1.2 包含库目录
在链接器中添加附加库目录中,添加D:\boost_1_62_0\stage\lib。

4.2 运行测试代码

#include <boost/lexical_cast.hpp>
#include <iostream>
int main()
{
  int a = boost::lexical_cast<int>(“123”);
  double d = boost::lexical_cast<double>(“123.123”);

  std::string s1 = boost:lexical_cast<string>(a);
  std::string s2 = boost:lexical_cast<string>(d);

  std::cout << “Number : “ << a << “ “ << b << std::endl;
  std::cout << “String : “ << s1 << “ “ << s2 << std::endl;
  return 0;
}

linux下安装

简单安装

$ sudo ./bootstrap.sh
$ sudo ./b2 install --prefix=/user/local/boost_1_64_0

说明:加上sudo执行的原因是默认情况下是安装在/usr/local目录下,使用本地用户没有权限对/usr/local目录进行更改。此编译过程花费时间比较长。

测试代码

#include <boost/regex.hpp>
#include <iostream>
#include <string>

int main(int argc, char *argv[])
{
  std::string line;

  boost::regex pat("^Subject: (Re: |Aw: )*(.*)");

  while (std::cin)
  {
    std::getline(std::cin, line);
    boost::smatch matches;

    if (boost::regex_match(line, matches, pat))
    {
      std::cout << matches[2] << std::endl;
    }
  }

  return 0;
}

产生可执行文件

g++ -I /usr/local/boost_1_64_0/include test.cpp -o test /usr/local/boost_1_64_0/libboost_regex.a

补充知识

b2 和 bjam

b2是Boost.Build的缩写,可以完全编译boost库。b2这个可执行程序被叫做Boost.Build引擎。

Boost.Build引擎来源于Proforce jam,最初只是做了一些修改,名字定为bjam。
之后,由于越来越多的改动,最终官方正式命名为b2。为了向前兼容,bjam实际上是b2的一份复制。

总之,可以随便使用。


参考

[1] boost第五节 简单安装:
http://www.boost.org/doc/libs/1_64_0/more/getting_started/unix-variants.html
[2] b2 和 bjam比较:
http://www.boost.org/build/doc/html/bbv2/faq/names.html


本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

Boost库的安装 的相关文章

  • 给吃饭嘎嘎香的李峋爱心代码

    span class token keyword import span random span class token keyword from span math span class token keyword import span
  • Linux服务器启动jar包报启动main类ClassNotFoundException

    Linux服务器启动jar包报启动main类启动异常 今天部署文件时遇到了启动异常报错 xff0c 在网上找了好久没发现我要的答案 xff0c 没办法只能自己找一下问题了 事件回顾 和往常一样打了个jar包就往服务器上扔 xff0c 启动时
  • sql中json数据的提取保存

    sql中json数据的提取保存 文章目录 sql中json数据的提取保存1 需求描述2 数据构建3 Json类型数据的提取令存3 1 代码分析3 2 结果呈现 4 jsonselect Onecount4 1 单key值需求4 2 代码编辑
  • pytorch DataLoader处理不定长序列

    本篇博客的目的是 xff1a 将下图这样的输入 xff08 每个tensor表示一个句子 xff0c 01为句子标签 xff09 xff1a 转化为下图所示的输出 xff08 batch size 61 2 xff09 元组的第一个元素为填
  • 《统计学习方法》之最大熵模型代码实现

    原理这里就不赘述了 见参考链接4 说一些自己学习时困惑的地方 xff0c 如果有不对的地方 xff0c 还望各位评论指正 下面从w的求解开始说起 xff0c 下面是模型的对数似然函数 xff1a w
  • NLP实践项目二:基于RNN、CNN的文本多分类(pytorch实现)

    直接看代码 xff1a github传送门 数据集 xff1a Classify the sentiment of sentences from the Rotten Tomatoes dataset 1 数据预处理 本项目实现了两种数据预
  • Vue3 中setup()和<script setup><script>

    setup 方法 在组件创建之前执行 xff0c 是组合式 API 的入口 方法可以接受两个参数 props 和 context setup方法中 xff0c 要将数据暴露给页面模板 xff0c 需要结合ref 和reactive xff0
  • NLP实践项目三:基于BiLSTM-CRF的实体识别(pytorch实现)

    直接看代码 xff1a github传送门 数据集 xff1a Conll2003 1 数据预处理 将txt中的文件读出然后将句子和对应的标签序列存入csv文件中 xff0c 便于使用torchtext完成数据读取 2 模型定义 上图是Bi
  • NLP实践项目五:基于GRU的古诗生成(pytorch实现)

    直接看代码 xff1a github传送门 数据集 xff1a 古诗数据集 1 数据预处理 xff1a 将古诗存为上图的格式 xff0c 每行一首诗 xff0c 便于使用torchtext读取 2 模型定义 模型就是一个简单的GRU模型 x
  • 第17周 算法思想-二分搜索

    算法思想 二分查找 二分查找应用场景 xff1a 寻找一个数 寻找满足条件的某个区间的左侧边界 寻找满足条件的某个区间的右侧边界 建议学习 xff1a 二分查找详解 二分查找的基本框架 span class token keyword in
  • 第18周 算法思想-搜索(BFS)

    文章目录 BFS计算在网格中从原点到特定点的最短路径长度组成整数的最小平方数数量最短单词路径 BFS 计算在网格中从原点到特定点的最短路径长度 1091 Shortest Path in Binary Matrix Medium 组成整数的
  • 第19周 算法思想 搜索(BFS&DFS)

    文章目录 BFS最短单词路径 xff08 输出所有路径 xff09 到离得最近的0的距离 DFS查找最大的连通面积填充封闭区域括号生成 最短单词路径 xff08 输出所有路径 xff09 126 Word Ladder II Hard 到离
  • c++ 正则表达式-基础操作

    正则表达式是一个非常强大的工具 xff0c 主要用于字符串匹配 如何在c 43 43 中使用正则表达式 xff1f 下面就简要介绍一下c 43 43 中正则表达式相关函数的用法 本篇博客中所涉及到的函数及其功能如下表所示 xff1a 函数功
  • 机器学习,计算机视觉和模式识别分别有何联系?

    目录 1 定义1 0 模式识别 xff1a 1 1 机器学习 xff1a 1 2 计算机视觉 xff1a 2 联系2 0 模式识别 vs 机器学习 2 1 模式识别 vs 计算机视觉 3 参考链接 xff1a 1 定义 1 0 模式识别 x
  • idea maven 编译本地jar包的问题

    maven 编译的时候一直报这个错误 搞的我云里雾里的 pom xml中配置如下 span class token tag span class token tag span class token punctuation lt span
  • linux 管理gui工具

    3 Webmin Webmin是一款基于Web的一站式工具 xff0c 可用来管理Linux服务器 有了Webmin xff0c 你就能管理服务器的几乎每一个方面 xff1a 用户帐户 Apache DNS 文件共享 安全和数据库等等 而如
  • Windows10配置Hadoop

    资源下载 hadoop 3 1 3 tar gz 百度网盘链接 xff1a https pan baidu com s 1umVgYdZ8KWMikjyHtZ2rCA xff08 提取码 xff1a 0000 xff09 apache ha
  • 最大似然估计和最小二乘法怎么理解?

    最大似然估计和最小二乘法怎么理解 xff1f 数据 是由模型的真实输出 叠加上高斯噪声 得到的 xff0c 即 xff1a 那么对模型参数 的最大似然估计和最小二乘估计是等价的 简单的推导 我们知道 xff0c 模型的似然函数是 同时 xf
  • CentOS 退出江湖,服务器操作系统该选择 Debian 还是 Ubuntu

    CentOS是一种流行的Linux服务器操作系统 xff0c 但近期宣布停止支持 xff0c 并且停止更新发布 因此 xff0c 许多用户和管理员开始考虑其他替代品 两个最受欢迎的替代选项是Debian和Ubuntu 在选择新的服务器操作系
  • 远程文件包含

    远程文件包含 xff08 Remote File Inclusion xff09 xff0c 简称RFI xff0c 与其对应的是本地文件包含 xff08 Local File Inclusion xff0c LFI xff09 xff0c

随机推荐